博客
关于我
C结构体内存对齐细节
阅读量:226 次
发布时间:2019-03-01

本文共 1332 字,大约阅读时间需要 4 分钟。

内存对齐是C语言编译器在处理结构体内存布局时所必须遵循的重要规则。它的核心目标是确保结构体成员的起始地址能够满足特定偏移条件,从而避免内存碎片以及提升程序运行效率。以下是内存对齐的三个主要原则:

1. 结构体成员的首地址必须是其最宽基本类型成员大小的整数倍

这意味着结构体中最宽的数据类型(例如uint64_t)所占的字节数,必须能够整除结构体中所有成员的首地址。例如,在以下结构体中:

struct st{    uint16_t id;  // 2 字节    uint32_t value; // 4 字节    uint64_t time; // 8 字节};

uint64_t占用8字节,因此结构体的每个成员起始地址都必须是8的倍数。这样可以确保所有成员的存储位置对齐,避免内存碎片。

2. 成员之间的偏移量必须是基本类型大小的整数倍

编译器会根据结构体成员的大小,计算每个成员相对于结构体首地址的偏移量。例如,在以下结构体中:

struct Date{    char a;  // 1 字节    int b;  // 4 字节    int64_t c;  // 8 字节    char d;  // 1 字节};

int64_t占用8字节,char占用1字节。因此,int b的偏移量是4字节,int64_t c的偏移量是8字节,char d的偏移量是12字节。编译器会在成员之间添加适当的填充字节,以确保所有成员的起始地址都满足对齐要求。

3. 结构体总大小必须是最宽基本类型成员大小的整数倍

结构体的总大小是所有成员大小的总和加上填充字节的数量。同样地,最宽基本类型成员的大小决定了整个结构体的对齐方式。例如,在以下示例中:

struct Date{    char a;  // 1 字节    int b;  // 4 字节    int64_t c;  // 8 字节    char d;  // 1 字节};Data data[2][10];

int64_t占用8字节,因此每个Data结构体的大小必须是8的倍数。编译器会在最后一个成员之后添加填充字节,以确保整个结构体的对齐。

示例分析

考虑以下结构体:

struct Date{    char a;  // 1 字节    int b;  // 4 字节    int64_t c;  // 8 字节    char d;  // 1 字节};

编译器会将int64_t c的偏移量定为8字节,并在char d之前添加填充字节,以确保其起始地址是8的倍数。这样,char d的起始地址为12字节,满足对齐要求。

内存占用示例

在Data data[2][10];中,每个Data结构体的大小为16字节(8字节的int64_t c加上填充字节)。因此,data[1][5].c的地址为:

data[1][5].c = data + 1*16 + 5*8 = data + 1*16 + 5*8 = data + 48 = data + 368

这与data[1][5].c的实际存储位置一致。

通过遵循上述对齐规则,编译器能够有效地管理结构体内存布局,确保程序的稳定性和性能。

转载地址:http://zrzt.baihongyu.com/

你可能感兴趣的文章
python_引用的本质_栈内存和堆内存_内存示意图---python工作笔记017
查看>>
python_标识符_帮助系统的使用_命名规则---python工作笔记018
查看>>
python_海龟绘图_坐标系问题_画笔各种方法---python工作笔记013
查看>>
python_海龟绘图_画出奥运五环图---python工作笔记014
查看>>
Python_生产者消费者模型、管道、数据共享、进程池
查看>>
python_程序格式_缩进_行注释_段注释---python工作笔记012
查看>>
python_程序的构成---python工作笔记015
查看>>
python_超文本传输协议
查看>>
Python_集合
查看>>
Python|AsyncIO|TypeError:应为协程
查看>>
python——random模块的应用
查看>>
Python——基础知识细节
查看>>
Python——正则表达式
查看>>
Python—面向对象2
查看>>
Python“和“带整数的运算符
查看>>
Python“文件存在“制作目录时出错
查看>>
Python“文件存在“制作目录时出错
查看>>
Python、IMAP 和 GMail.将消息标记为已查看
查看>>
python一个一个获取迭代器的元素
查看>>
python一维数组 提取_python – 如何从numpy中的1维数组中提取零维切片
查看>>